{"id":231270,"date":"2026-05-08T05:53:22","date_gmt":"2026-05-08T05:53:22","guid":{"rendered":"https:\/\/www.evolvemarketing.it\/?p=231270"},"modified":"2026-05-08T05:54:44","modified_gmt":"2026-05-08T05:54:44","slug":"intelligenza-artificiale-cinese","status":"publish","type":"post","link":"https:\/\/www.evolvemarketing.it\/en\/intelligenza-artificiale-cinese\/","title":{"rendered":"Intelligenza artificiale cinese: la guida 2026 per PMI italiane"},"content":{"rendered":"

<\/p>\n

\n

Il punto in 60 secondi<\/p>\n

Mentre tu finivi di leggere ART1 sull’intelligenza artificiale in azienda<\/a>, in Cina hanno fatto cose. Tante. DeepSeek V4<\/strong> con 1 milione di token di contesto. Qwen 3.6 Max<\/strong> di Alibaba. Kimi K2.6<\/strong> di Moonshot con un sistema di 300 sotto-agenti. GLM-5.1<\/strong> di Zhipu addestrato su chip cinesi Huawei perch\u00e9 gli USA gli hanno tolto le Nvidia. E un paper firmato Evermind + Shanda Group + Universit\u00e0 di Pechino<\/strong> che dice una cosa che fino a ieri era fantascienza: memoria di 100 milioni di token<\/em>. Cento volte i modelli di frontiera oggi.<\/p>\n

Questa \u00e8 la guida 2026 per le PMI italiane: cosa \u00e8 uscito davvero in queste settimane, cosa funziona, cosa puoi usarlo davvero da Bergamo o da Sirtori senza mandare i tuoi dati a finire in Cina<\/strong>. Senza panico geopolitico e senza tifo da curva. Solo i fatti, i prezzi reali, e la tabella di decisione che nessuno ti sta spiegando.<\/p>\n<\/div>\n

<\/p>\n

Te lo dico subito cos\u00ec risparmiamo tempo: se stai leggendo questo articolo perch\u00e9 ti sei rotto di sentire “l’intelligenza artificiale cinese \u00e8 pericolosa”<\/em> e “l’intelligenza artificiale cinese \u00e8 il futuro”<\/em> nello stesso pomeriggio, sei nel posto giusto.<\/p>\n

Sono Alessandro Puricelli, faccio il consulente digitale per PMI italiane da 12 anni. In questi mesi ho passato pi\u00f9 tempo io a leggere paper accademici cinesi che mio nonno a guardare il telegiornale. Non perch\u00e9 sia diventato un fanatico \u2014 perch\u00e9 i miei clienti, dal produttore di abbigliamento conto terzi a Varese al notaio di Bergamo, mi chiedono tutti la stessa cosa: “Ale, ma questa roba cinese che esce ogni settimana, posso usarla? \u00c8 sicura? Mi rovino?”<\/em><\/p>\n

Risposta breve: dipende. Risposta lunga: questo articolo.<\/p>\n

L’evento che cambia tutto (e che nessun giornale italiano ha capito)<\/h2>\n

Partiamo dalla notizia pi\u00f9 grossa, perch\u00e9 se la salti dopo non capisci il resto. Il 7 maggio 2026 \u2014 s\u00ec, l’altro ieri<\/strong> \u2014 \u00e8 uscito un articolo divulgativo sul paper pi\u00f9 rivoluzionario degli ultimi 18 mesi nell’AI. Si chiama MSA \u2014 Memory Sparse Attention<\/strong>. L’hanno firmato in tre: Evermind<\/strong>, Shanda Group<\/strong> (gruppo cinese, anche se il nome non sembra) e l’Universit\u00e0 di Pechino<\/strong>. Paper depositato a marzo, divulgato adesso.<\/p>\n

Cosa dice? In una riga: hanno trovato il modo di portare la finestra di contesto<\/span> di un’AI da uno o due milioni di token a 100 milioni di token<\/strong>.<\/p>\n

“Eh ok Ale, e quindi?”. E quindi tieniti forte.<\/p>\n

\n

La memoria stimata di un essere umano nel corso di una vita \u00e8 tra 200 e 300 milioni di token<\/strong>. I modelli AI di frontiera oggi \u2014 Claude, GPT-5.5, Gemini \u2014 tengono al massimo uno o due milioni<\/strong>. MSA ne tiene cento milioni<\/strong>, perdendo meno del 9% di accuratezza nello scalare da 16K a 100M.<\/p>\n<\/div>\n

Tradotto per chi ha l’azienda: oggi se vuoi che un’AI legga “tutto” il tuo gestionale, “tutta” la tua documentazione tecnica, “tutta” la corrispondenza con un cliente importante degli ultimi tre anni, devi spezzettare. Devi usare quello che si chiama RAG<\/span>: un sistema che cerca i pezzi rilevanti nei tuoi documenti, li d\u00e0 in pasto all’AI, e lei risponde con quei pezzi. \u00c8 un’impalcatura. Funziona. Ma \u00e8 un’impalcatura.<\/p>\n

Con 100 milioni di token, l’impalcatura cade. L’AI legge tutto. Tiene tutto. Ragiona su tutto, contemporaneamente.<\/strong> Multi-hop reasoning lo chiamano: invece di cercare un’informazione e poi un’altra, le incrocia tutte insieme come fa il tuo cervello quando ricostruisci una telefonata di tre mesi fa con un cliente.<\/p>\n

“Ma allora il RAG \u00e8 morto?”<\/em> \u2014 me l’ha chiesto un cliente di Brescia con un sistema RAG fatto installare l’anno scorso a 14mila euro. Calma. MSA \u00e8 un paper, non un prodotto. Magic.dev, una societ\u00e0 americana, ha gi\u00e0 qualcosa di simile in produzione (LTM-2-Mini<\/strong>, gestisce 10 milioni di righe di codice). Ma sui modelli che usi tu \u2014 DeepSeek, Qwen, Claude \u2014 arriver\u00e0 nei prossimi 6-18 mesi<\/strong>. Non domani. Non l’anno prossimo. Adesso, per dire<\/em>.<\/p>\n

Se hai un progetto AI in azienda, sappi che tutto quello che state costruendo oggi su RAG potrebbe diventare obsoleto entro fine 2026<\/strong>. Non significa che \u00e8 inutile farlo. Significa che la roadmap va scritta con questa cosa in testa. \u00c8 il salto quantico che la stampa italiana non ha visto perch\u00e9 era impegnata a discutere se ChatGPT \u00e8 di destra o di sinistra.<\/p>\n

Ora, fissato il punto: vediamo i modelli che puoi usare oggi.<\/p>\n

I 7 protagonisti dell’intelligenza artificiale cinese che dovresti conoscere<\/h2>\n
\n\"Skyline
Shanghai di notte \u2014 capitale economica della corsa AI cinese (foto: Pexels)<\/figcaption><\/figure>\n

L’ecosistema dell’intelligenza artificiale cinese non \u00e8 “DeepSeek”. Quella \u00e8 la finestra di Overton dei giornali italiani. La realt\u00e0 \u00e8 che ci sono almeno sette laboratori cinesi che fanno modelli seri, e ognuno ha un mestiere diverso. Te li racconto con il tono di un sommelier al bar \u2014 bevuti, masticati, e con il prezzo a fianco.<\/p>\n

1. DeepSeek V4 \u2014 il martello universale<\/h3>\n

Uscito il 24 aprile 2026<\/strong>. \u00c8 il modello che ha fatto perdere a Nvidia 600 miliardi di capitalizzazione in un giorno a gennaio 2025 \u2014 anche se quella era la versione precedente. La V4 \u00e8 un altro animale: 1 milione di token di contesto<\/strong> (lo stesso di Gemini 2.5 Pro), architettura MoE<\/span> con 671 miliardi di parametri totali ma solo 37 miliardi attivi alla volta.<\/p>\n

Tradotto: \u00e8 grosso come un GPT-5.5, ma costa 30 volte meno da far girare. I prezzi API<\/span> a inizio maggio<\/strong>: circa $0.27 per milione di token in input, $1.10 in output. Per fare un confronto, GPT-5.5 sta intorno ai $5\/$15. Cio\u00e8 circa 20 volte pi\u00f9 caro<\/strong>. Per una PMI italiana che vuole automatizzare la gestione delle email, scrivere descrizioni prodotto, riassumere PDF lunghi, \u00e8 la differenza tra “ci pensiamo” e “lo facciamo luned\u00ec”.<\/p>\n

Caso d’uso reale: un cliente di Como nel settore arredo ha sostituito ChatGPT Plus con DeepSeek V4 per la generazione descrizioni prodotto. Spesa mensile passata da circa 200\u20ac (5 licenze) a 12\u20ac di consumo API. Stessa qualit\u00e0. S\u00ec, dodici euro<\/em>.<\/p>\n

2. Qwen 3.6 Max \u2014 l’ammiraglia di Alibaba<\/h3>\n

Alibaba \u00e8 la AWS cinese: ha tutto. Cloud, e-commerce, logistica, e adesso un esercito di modelli AI sotto il marchio Qwen<\/strong>. La versione Max \u2014 uscita in fasi tra aprile e maggio 2026 \u2014 \u00e8 la pi\u00f9 capace. Pesi aperti<\/strong>, cio\u00e8 scaricabili e installabili. \u00c8 bilingue cinese-inglese a livelli che fanno paura, e in italiano se la cava sorprendentemente bene per essere un modello che non \u00e8 nato per il nostro mercato.<\/p>\n

Su Qwen 3.5 a 397 miliardi di parametri (la versione predecessor disponibile su Scaleway in Francia<\/strong>) i prezzi sono \u20ac0.60\/\u20ac3.60 per milione di token. La 3.6 Max \u00e8 simile.<\/p>\n

Quando ha senso? Se hai bisogno di multilingua serio (italiano + inglese + altre lingue), o se vuoi un modello che gira su server europei<\/strong> (perch\u00e9 Alibaba ha siglato accordi con cloud provider EU). Ne riparliamo tra poco.<\/p>\n

3. Kimi K2.6 \u2014 il chirurgo dei lunghi documenti<\/h3>\n

Moonshot AI \u00e8 un laboratorio di Pechino che dal 2024 si \u00e8 specializzato in finestre di contesto enormi. Kimi K2.6, ultima versione, fa una cosa che gli altri non fanno: Agent Swarm<\/strong>, uno sciame di 300 sotto-agenti che lavorano in parallelo su un compito complesso.<\/p>\n

Esempio concreto: tu gli dai 2.000 PDF di gare d’appalto degli ultimi cinque anni e gli chiedi “trova tutti i bandi per cui avremmo potuto candidarci ma non l’abbiamo fatto, raggruppati per ente, e dimmi quanto ci siamo persi”<\/em>. Lui spawna 300 agenti che leggono in parallelo, raccolgono pattern, ti restituiscono una tabella. Tempo: 6 minuti. Costo: 4 dollari.<\/strong> Un consulente umano? Tre giorni e un preventivo a quattro zeri.<\/p>\n

Caso da chirurgo: studio legale che usa Kimi per scansionare 10 anni di sentenze su un certo tipo di causa. Studio commercialista che cerca anomalie nei bilanci di 200 fornitori. Insurance broker che ti calcola la probabilit\u00e0 di sinistro su una flotta auto.<\/p>\n

4. GLM-5.1 \u2014 il ribelle che si \u00e8 fatto tutto in casa<\/h3>\n

Qui si fa interessante. Zhipu AI<\/strong>, spinoff dell’Universit\u00e0 Tsinghua, ha rilasciato GLM-5.1<\/strong> con 744 miliardi di parametri. Numero importante. Ma il dato che fa notizia \u00e8 un altro: l’hanno addestrato interamente su chip cinesi Huawei Ascend<\/strong>, perch\u00e9 gli USA con le sanzioni non gli vendono pi\u00f9 le Nvidia top di gamma.<\/p>\n

\u00c8 la prima volta che un modello di frontiera viene addestrato senza hardware americano. Significa che l’embargo USA non sta funzionando. Significa che la Cina ha un’industria semiconduttori che, magari un anno indietro, esiste. Significa che il dipendere tecnologicamente dagli Stati Uniti, per chi compra AI, \u00e8 meno scontato di quello che ti dicono al bar.<\/p>\n

Per la tua azienda: GLM-5.1 \u00e8 open weight<\/strong>, scaricabile, eccezionale in compiti di ragionamento complesso. Se hai un dataset proprietario importante e vuoi fare fine-tuning<\/span> nei tuoi server, \u00e8 uno dei migliori candidati 2026. Ma \u00e8 anche il pi\u00f9 “geopolitico” della lista \u2014 quindi se vendi alla Pubblica Amministrazione italiana, prima parliamone.<\/p>\n

5. Doubao \u2014 il colosso da 155 milioni di utenti settimanali<\/h3>\n

Doubao \u00e8 il modello di ByteDance<\/strong>, quelli di TikTok. In Cina \u00e8 l’AI pi\u00f9 usata al mondo: 155 milioni di utenti settimanali. Per dare la dimensione: ChatGPT in Italia ha forse 5 milioni di utenti settimanali se va bene. \u00c8 la prova che la velocit\u00e0 di adozione AI cinese supera abbondantemente quella americana, almeno in volume di utenti finali.<\/p>\n

Doubao non \u00e8 progettato per il mercato europeo. L’API \u00e8 scomoda da accedere fuori Cina, l’italiano \u00e8 mediocre, le policy GDPR non esistono. Te lo cito perch\u00e9 capire che esiste \u2014 e che \u00e8 l’AI quotidiana di un sesto degli utenti AI mondiali \u2014 ti aiuta a misurare la dimensione del fenomeno. Non lo userai. Ma sappi che esiste.<\/strong><\/p>\n

6. Hunyuan \u2014 l’AI dentro WeChat<\/h3>\n

Tencent, quelli di WeChat. Hunyuan<\/strong> \u00e8 integrato dentro WeChat, l’app che 1,4 miliardi di cinesi usano per chat, pagamenti, ordini, fatture, prenotazioni mediche, taxi, banca. Ogni messaggio passa potenzialmente da Hunyuan.<\/p>\n

Anche qui: per la PMI italiana, irrilevante. Per capire la velocit\u00e0 di adozione AI in Cina rispetto all’Italia, fondamentale. In Cina l’AI \u00e8 gi\u00e0 infrastruttura. In Italia, ancora curiosit\u00e0.<\/strong><\/p>\n

7. MiMo (Xiaomi) e gli outsider<\/h3>\n

Xiaomi \u2014 s\u00ec, quelli dei telefoni \u2014 ha rilasciato MiMo, un modello specializzato in matematica e ragionamento. Bytedance ha modelli specializzati per video. Yi-Lightning di 01.AI \u00e8 un altro rivale. Ce ne sono almeno una decina.<\/p>\n

Punto pratico: se hai un caso d’uso molto specifico<\/strong> (visione computerizzata su immagini, calcolo numerico, generazione musicale, traduzione audio), potrebbe esistere un modello cinese specializzato che fa quello meglio del modello generalista occidentale, a un decimo del prezzo. Ma per il 90% delle PMI italiane, i quattro nomi che contano restano DeepSeek, Qwen, Kimi e GLM.<\/p>\n

La tabella che dovresti stampare e attaccare al frigo<\/h2>\n\n\n\n\n\n\n\n\n\n\n\n
Modello<\/th>\nProvider<\/th>\nContesto<\/th>\nPesi aperti<\/th>\nCosto API ($\/M token in\/out)<\/th>\nCaso d’uso PMI<\/th>\n<\/tr>\n<\/thead>\n
DeepSeek V4<\/strong><\/td>\nDeepSeek<\/td>\n1M token<\/td>\nS\u00ec<\/td>\n$0.27 \/ $1.10<\/td>\nTutto-fare quotidiano: email, descrizioni, riassunti<\/td>\n<\/tr>\n
Qwen 3.6 Max<\/strong><\/td>\nAlibaba<\/td>\n256K token<\/td>\nS\u00ec<\/td>\n\u20ac0.60 \/ \u20ac3.60 (su Scaleway)<\/td>\nMultilingua, integrazioni cloud Europa<\/td>\n<\/tr>\n
Kimi K2.6<\/strong><\/td>\nMoonshot<\/td>\n2M token<\/td>\nS\u00ec<\/td>\n$0.40 \/ $2.00<\/td>\nAnalisi documentale massiva, due diligence<\/td>\n<\/tr>\n
GLM-5.1<\/strong><\/td>\nZhipu AI<\/td>\n200K token<\/td>\nS\u00ec<\/td>\n$0.50 \/ $1.50<\/td>\nFine-tuning su dati proprietari<\/td>\n<\/tr>\n
Doubao<\/strong><\/td>\nByteDance<\/td>\n128K token<\/td>\nNo<\/td>\nN\/D in Europa<\/td>\nNon praticabile fuori Cina<\/td>\n<\/tr>\n
Hunyuan<\/strong><\/td>\nTencent<\/td>\n256K token<\/td>\nParziale<\/td>\n$0.30 \/ $1.20<\/td>\nEcosistema WeChat (irrilevante per IT)<\/td>\n<\/tr>\n
MiMo<\/strong><\/td>\nXiaomi<\/td>\n128K token<\/td>\nS\u00ec<\/td>\n$0.20 \/ $0.80<\/td>\nMatematica, calcoli ingegneristici<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Prezzi aggiornati al 7 maggio 2026, possono cambiare. La regola sicura: sono tra 5 e 30 volte meno costosi dei modelli OpenAI\/Anthropic top di gamma a parit\u00e0 di compito.<\/em><\/p>\n

Quattro modi di usare un modello cinese (e quale fa per te)<\/h2>\n

Adesso arriva la parte che nessuno ti spiega bene, e che \u00e8 quella che cambia se lavori in via Garibaldi a Bergamo o nel quartier generale di una multinazionale. Tu non hai due opzioni \u2014 API pubblica cinese o self-hosting nel tuo server<\/strong>. Hai almeno quattro, ognuna con un profilo di rischio, costo e velocit\u00e0 diversi.<\/p>\n

Te le spiego come se stessimo prendendo un caff\u00e8.<\/p>\n

Opzione 1 \u2014 API ufficiale del provider cinese<\/h3>\n

Vai su platform.deepseek.com<\/em>, ti fai un account, prendi una API key, paghi con carta di credito, e fai chiamate API direttamente ai server in Cina. Velocissimo da iniziare. Costoso? No, \u00e8 il pi\u00f9 economico.<\/strong> $5 di credito ti durano una settimana di test seri.<\/p>\n

Problema: i tuoi prompt e i tuoi dati passano per server cinesi. GDPR? Zero garanzie<\/strong>. La policy DeepSeek dice che non usano i prompt per training, ma il regolatore italiano e l’EU continuano a guardare con sospetto. Se sei un avvocato che invia bozze di contratti dei clienti, un commercialista che invia bilanci, un medico, una pubblica amministrazione \u2014 non \u00e8 un’opzione<\/strong>.<\/p>\n

Quando va bene? Per test interni<\/strong>, prototipi, contenuti pubblici gi\u00e0 destinati al web (descrizioni prodotto, articoli marketing, post social). Mai per dati sensibili, mai per dati clienti.<\/p>\n

Opzione 2 \u2014 Aggregator tipo OpenRouter<\/h3>\n

OpenRouter \u00e8 una specie di “Booking.com dei modelli AI”. Tu ti fai un account, hai un’unica API key, e con quella accedi a 22 versioni di DeepSeek, tutte le Qwen, Kimi, GLM, oltre ai modelli occidentali. Pratichissimo<\/strong> se devi confrontare modelli, fare A\/B test, switchare al volo.<\/p>\n

Prezzi simili al provider ufficiale, a volte un filo superiori (commissione OpenRouter). Ma c’\u00e8 un dettaglio importante: il routing \u00e8 globale<\/strong>. Quando fai una chiamata, OpenRouter sceglie il server libero migliore \u2014 pu\u00f2 essere a Singapore, in Virginia, in Cina. Per il GDPR siamo nella stessa situazione del provider cinese diretto<\/strong>: zero garanzie sulla residenza dei dati. \u00c8 comodo, \u00e8 economico, \u00e8 un eccellente strumento di sviluppo. Ma per dati sensibili dei clienti, no.<\/p>\n

Opzione 3 \u2014 Hosting europeo sovrano (la cosa che il 90% non sa)<\/h3>\n

E qui arriviamo alla notizia che ti volevo dare. OVHcloud<\/strong> (datacenter Gravelines, in Francia), Scaleway<\/strong> (datacenter Parigi), IONOS<\/strong> (Germania), e altri provider europei hanno fatto una cosa intelligente: hanno preso i pesi aperti dei modelli cinesi (DeepSeek, Qwen, Llama, Mistral) e li hanno installati sui loro server europei. Tu chiami una loro API, i tuoi dati restano in Francia o Germania<\/strong>, conformi GDPR, ISO 27000, certificati per dati sanitari, con clausola “zero data retention”<\/strong>: i tuoi prompt non vengono salvati, non vengono usati per training, vengono cancellati dopo la risposta.<\/p>\n

Costi? Sostanzialmente identici a OpenRouter o all’API cinese diretta. Su Scaleway un Qwen 3.5 da 397 miliardi di parametri costa 0,60\u20ac\/3,60\u20ac per milione di token in input\/output<\/strong>. Su OVH AI Endpoints \u00e8 disponibile DeepSeek-R1, Qwen 2.5 Coder, decine di altri.<\/p>\n

Per la PMI italiana che ha una qualunque preoccupazione di privacy clienti, questa \u00e8 l’opzione che dovresti valutare per prima<\/strong>. Hai i benefici dell’AI cinese (costo bassissimo, qualit\u00e0 top, pesi aperti per il fine-tuning) con i benefici della giurisdizione europea (GDPR, contratti standard, ISO, clausole di responsabilit\u00e0). E nessuno te ne sta parlando.<\/p>\n

Eh, lo so. “Ma allora perch\u00e9 non lo dicono in TV?”. Perch\u00e9 in TV ci vanno i venditori di OpenAI Enterprise. La verit\u00e0 \u00e8 che l’Italia ha appena scoperto ChatGPT Plus a 23\u20ac\/mese, parlare di AI Endpoints OVH significa parlare a un pubblico che non c’\u00e8 ancora.<\/em><\/p>\n

Opzione 4 \u2014 Self-hosting<\/span> on-premise<\/h3>\n

Scarichi i pesi di DeepSeek V4 (sono pubblici), li installi su un server in azienda con 2-4 GPU Nvidia H100 (costano 25-30k\u20ac l’una), assumi un ML engineer (50-80k\u20ac\/anno), e gestisci tutto in casa.<\/p>\n

Quando ha senso? Quasi mai<\/strong>. Solo se sei una grande azienda con dati ultra-riservati (difesa, industriale strategico, sanit\u00e0 di alto livello), volume di chiamate altissimo (centinaia di migliaia al giorno), team tecnico interno solido. Per una PMI italiana sotto i 50 dipendenti, \u00e8 come comprarsi una fresatrice a controllo numerico per fare un mobile per casa<\/strong>: tecnicamente possibile, economicamente assurdo.<\/p>\n

La tabella di decisione<\/h3>\n\n\n\n\n\n\n\n\n\n\n
Se sei…<\/th>\nOpzione consigliata<\/th>\nPerch\u00e9<\/th>\n<\/tr>\n<\/thead>\n
Imprenditore che fa test\/prototipi su contenuti pubblici<\/td>\n1 \u2014 API ufficiale (DeepSeek\/Qwen)<\/strong><\/td>\nVeloce, economico, perfetto per prove<\/td>\n<\/tr>\n
Sviluppatore che vuole testare 5 modelli<\/td>\n2 \u2014 OpenRouter<\/strong><\/td>\nUna API key, switching istantaneo<\/td>\n<\/tr>\n
Avvocato\/commercialista\/medico\/PA con dati clienti<\/td>\n3 \u2014 Hosting europeo (OVH\/Scaleway)<\/strong><\/td>\nGDPR garantito, data residency Francia\/Germania<\/td>\n<\/tr>\n
PMI manifatturiera che vuole automatizzare quotidiano<\/td>\n3 \u2014 Hosting europeo<\/strong><\/td>\nCosti bassi + tranquillit\u00e0 legale<\/td>\n<\/tr>\n
Banca, assicurazione, difesa, sanit\u00e0 grande<\/td>\n4 \u2014 Self-hosting<\/strong><\/td>\nCompliance ferrea + scala<\/td>\n<\/tr>\n
PMI sotto i 50 dipendenti<\/td>\nNON 4<\/strong><\/td>\nCosti infrastruttura insostenibili<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Se ti serve aiuto a scegliere \u2014 e ti dico la verit\u00e0, in 7 casi su 10 la risposta giusta per la PMI italiana \u00e8 opzione 3<\/strong> \u2014 prenota una consulenza gratuita<\/a>. Mezz’ora, ti aiuto a leggere la tua situazione, e se non serviamo noi te lo dico.<\/p>\n

\n\"Server
L’infrastruttura dietro l’intelligenza artificiale cinese: chip Huawei Ascend e datacenter sovrani (foto: Unsplash)<\/figcaption><\/figure>\n

Geopolitica senza isteria: cosa cambia davvero per la tua azienda<\/h2>\n

Ti faccio una domanda diretta: secondo te, se domani Trump sale sull’Air Force One e dice “vietato qualunque tool AI cinese in azienda”<\/em>, cosa succederebbe alla tua PMI di Como? Risposta corretta: niente, perch\u00e9 Trump non ha giurisdizione su Como. Risposta importante: il contesto regolatorio europeo<\/strong>, invece, s\u00ec.<\/p>\n

Prendo i tre fattori che dovresti tenere a mente, in ordine di urgenza per la tua azienda.<\/p>\n

L’AI Act europeo<\/h3>\n

L’AI Act<\/strong>, regolamento UE 2024\/1689, \u00e8 entrato in vigore ad agosto 2024. Le date che contano per te: 2 agosto 2026<\/strong> \u2014 obblighi sui sistemi ad alto rischio (HR, credito, sicurezza, infrastrutture critiche). 2 agosto 2027<\/strong> \u2014 obblighi pieni anche per i sistemi general-purpose. Se usi DeepSeek per scrivere descrizioni prodotto, sei in una zona a basso rischio: nessun obbligo specifico, solo regole generali di trasparenza. Se lo usi per fare screening CV o decidere se concedere fido a un cliente, sei in zona alto rischio: documentazione tecnica, valutazione di conformit\u00e0, marcatura CE del sistema.<\/p>\n

L’Italia ha recepito con la Legge 132\/2025<\/strong>: in linea con l’EU, con qualche specifica sulle competenze nazionali (AgID, Garante Privacy). Niente di sconvolgente, ma se hai un caso d’uso ad alto rischio devi documentarlo.<\/p>\n

Le sanzioni USA sui chip<\/h3>\n

Dal 2022 gli USA hanno progressivamente vietato l’export di chip Nvidia top-di-gamma alla Cina (H100, H200, B200). La Cina ha risposto in due modi: ha sviluppato i propri chip (Huawei Ascend 910C, sui quali \u00e8 stato addestrato GLM-5.1), e ha ottimizzato le architetture software per fare di pi\u00f9 con meno (\u00e8 anche per questo che DeepSeek costa cos\u00ec poco \u2014 non hanno scelta).<\/p>\n

Per te, PMI italiana, questo significa una cosa sola: i modelli cinesi continueranno a esistere<\/strong>, indipendentemente da cosa decide Washington. Le sanzioni USA sui chip<\/span> non hanno fermato lo sviluppo cinese, l’hanno solo reso pi\u00f9 creativo. Non \u00e8 uno scenario in cui domani DeepSeek sparisce. \u00c8 uno scenario in cui Cina e USA continueranno a sgomitare, e tu sei un osservatore con un browser aperto.<\/p>\n

Privacy, dati, e il fantasma del “ma sono cinesi!”<\/h3>\n

Ti dico la mia, da consulente che ha letto le policy: la policy di DeepSeek<\/strong> dice che non usano i prompt per training. La policy di OpenAI dice uguale<\/strong> per gli account API. Il problema non \u00e8 “sono cinesi”. Il problema \u00e8 “dove vivono fisicamente i tuoi dati e che giurisdizione si applica se domani succede un casino”. Se vivono in Cina, la giurisdizione \u00e8 cinese \u2014 punto. Se vivono a Gravelines in Francia, \u00e8 francese ed europea.<\/p>\n

Per questo motivo, la opzione 3<\/strong> della tabella precedente \u00e8 importante. Non perch\u00e9 i cinesi rubano i dati. Perch\u00e9 la giurisdizione conta, in caso di incidente. Spoiler: in 12 anni di consulenza ho visto pi\u00f9 dati sensibili finire in chiaro su Drive condivisi con permessi pubblici che in qualunque API cinese.<\/em><\/p>\n

Tre casi d’uso reali (o molto realistici) per PMI italiane<\/h2>\n

Smettiamo per cinque minuti di parlare di token e architetture. Ti racconto tre situazioni concrete che ho visto succedere o che potresti adottare luned\u00ec mattina.<\/p>\n

\n

Caso 1 \u2014 E-commerce moda Varese<\/p>\n

Pain:<\/strong> 800 SKU, descrizioni prodotto scritte la sera dalla titolare. Tempo: 4-5 ore a settimana.<\/p>\n

Soluzione:<\/strong> integrazione DeepSeek V4 via OVH AI Endpoints (Gravelines, GDPR-compliant) con un GPT custom addestrato sul tono del brand. Input: foto + 3 attributi chiave. Output: descrizione SEO-friendly in italiano.<\/p>\n

Risultato:<\/strong> 4 ore\/settimana liberate. Costo mensile API: circa 8 euro. Otto.<\/em><\/p>\n<\/div>\n

\n

Caso 2 \u2014 Studio legale Milano<\/p>\n

Pain:<\/strong> 6 avvocati, redazione bozze contratti di tipologia ricorrente (locazione, NDA, contratti commerciali), tempo medio 2 ore a bozza.<\/p>\n

Soluzione:<\/strong> Kimi K2.6 via Scaleway (data residency francese), con fine-tuning sui template dello studio. L’avvocato fornisce le condizioni chiave, riceve la bozza in 4 minuti.<\/p>\n

Risultato:<\/strong> -40% sul tempo di redazione bozza. Pieno controllo umano sulla revisione (regola d’oro). Costo: circa 35 euro\/mese.<\/p>\n<\/div>\n

\n

Caso 3 \u2014 Azienda manifatturiera Brescia<\/p>\n

Pain:<\/strong> 30 dipendenti, ricerca su 10 anni di documentazione tecnica (manuali, schemi, ordini fornitori). Quando un tecnico cerca un dato, ci mette 20-40 minuti tra Drive, Excel e cassetti.<\/p>\n

Soluzione:<\/strong> sistema RAG su Qwen 3.6 Max via OVH, con indicizzazione del repository documentale aziendale. Quando arriver\u00e0 MSA in produzione (probabilmente Q4 2026), il RAG verr\u00e0 sostituito da una memoria nativa da 100M token. Per ora va bene il RAG.<\/em><\/p>\n

Risultato atteso:<\/strong> da 20-40 minuti a 30 secondi a domanda. ROI calcolato sui tempi tecnici: rientro in 4-5 mesi.<\/p>\n<\/div>\n

Tre casi diversi, tre opzioni di hosting diverse, tre modelli diversi. La regola: scegliere il modello e l’hosting in base al caso d’uso, non al nome che fa pi\u00f9 fico al bar<\/strong>.<\/p>\n

Cosa fare luned\u00ec mattina, in pratica<\/h2>\n

Hai letto fin qui, complimenti. Adesso il rischio \u00e8 che chiudi il browser, vai a prendere il caff\u00e8, e tutto questo articolo rimane “interessante ma non ho tempo”. Quindi ti scrivo cinque mosse concrete in ordine.<\/p>\n

1. Apri un account DeepSeek con 5 dollari di credito.<\/strong> Cinque dollari. \u00c8 il costo di un caff\u00e8 + cornetto. Vai su platform.deepseek.com, registrati, prendi 5$ di credito, prova qualche prompt sul tuo caso d’uso pi\u00f9 semplice. Tempo richiesto: 20 minuti. Ti farai un’idea di cosa non<\/em> \u00e8 un giocattolo cinese.<\/p>\n

2. Identifica il tuo caso d’uso a basso rischio.<\/strong> Non parto da “voglio che l’AI gestisca tutta la mia azienda”. Parto da una cosa specifica: descrizioni prodotto, riassunti di riunione, traduzioni di email da fornitori cinesi (s\u00ec, tornano utili anche per quello), bozze di newsletter. Una. Misurabile.<\/p>\n

3. Prima di scalare, scegli l’hosting.<\/strong> Se il caso d’uso tocca dati clienti, vai diretto su OVH AI Endpoints<\/strong> o Scaleway<\/strong>. Cerca “OVH AI Endpoints DeepSeek” o “Scaleway Generative APIs Qwen”, trovi pagina e pricing in chiaro. Stesso mestiere, sede in Francia.<\/p>\n

4. Documenta tutto.<\/strong> Se la tua azienda fa pi\u00f9 di un milione di euro di fatturato, prima di metterti a usare un’AI in modo strutturato sappi che l’AI Act ti chiede di documentare cosa fai, dove vivono i dati, chi controlla l’output. Non \u00e8 burocrazia inutile \u2014 \u00e8 esattamente il documento che ti salva il culo se domani succede una allucinazione<\/span> seria.<\/p>\n

5. Non innamorarti di un modello.<\/strong> Tra sei mesi DeepSeek V5 sar\u00e0 uscito, Qwen 4 sar\u00e0 uscito, MSA sar\u00e0 in produzione su qualche provider. Costruisci la tua infrastruttura con opzione di switch<\/strong>: usa OpenRouter o un wrapper tuo che astrae il modello. Quando esce qualcosa di meglio, cambi una stringa di configurazione.<\/p>\n

Glossario per quando ti perdi<\/h2>\n
\nApri il glossario (6 termini in italiano vero)<\/summary>\n
\n
Token<\/dt>\n
Unit\u00e0 di base con cui un’AI legge e scrive. Una parola italiana media \u00e8 1-2 token. “Spaghetti” \u00e8 2 token. “Reggio Emilia” \u00e8 4. Il contesto<\/strong> \u00e8 il numero massimo di token che l’AI pu\u00f2 tenere in pancia in una singola conversazione.<\/dd>\n
Pesi aperti (open weight)<\/dt>\n
Significa che il file numerico del modello \u00e8 scaricabile gratis. Tu puoi installarlo dove vuoi: server tuo, server europeo, cloud di Bergamo. Diverso da open source: il codice<\/em> di addestramento pu\u00f2 non essere pubblico, ma il risultato<\/em> s\u00ec.<\/dd>\n
MoE \u2014 Mixture of Experts<\/dt>\n
Tecnica architetturale: invece di accendere tutto il modello a ogni richiesta, si accendono solo gli “esperti” rilevanti. Risultato: modelli enormi (centinaia di miliardi di parametri) ma economici da far girare. Tutti i modelli cinesi seri del 2026 sono MoE.<\/dd>\n
RAG \u2014 Retrieval Augmented Generation<\/dt>\n
Sistema che cerca pezzi di documenti rilevanti nei tuoi archivi, li incolla nel prompt, e fa rispondere l’AI usando quei pezzi. Oggi \u00e8 lo standard per fare AI sui dati aziendali. Fra 12-18 mesi potrebbe non servire pi\u00f9 (vedi MSA, sopra).<\/dd>\n
Fine-tuning<\/dt>\n
Personalizzazione di un modello esistente con i tuoi dati aziendali. Lui impara il tuo gergo, i tuoi processi, le tue regole interne. Costo: dipende. Beneficio: enorme se hai un dataset specifico (es. lo storico contratti dello studio legale).<\/dd>\n
Sovranit\u00e0 del dato (data residency)<\/dt>\n
Concetto giuridico-tecnico: dove vivono fisicamente i tuoi dati e quale legge si applica<\/em>. Server in Francia \u2192 giurisdizione francese ed europea. Server in Cina \u2192 giurisdizione cinese. Per qualunque dato sensibile, conta pi\u00f9 del costo.<\/dd>\n<\/dl>\n<\/details>\n

Domande frequenti<\/h2>\n
\nMa DeepSeek non ruba i miei dati?<\/summary>\n

La policy ufficiale dice di no per gli account API. Il problema non \u00e8 che li rubi: \u00e8 che vivono in Cina, e in caso di incidente la giurisdizione \u00e8 cinese. Soluzione semplice: usa hosting europeo (OVH, Scaleway) con i pesi aperti. Stesso modello, dati in Francia.<\/p>\n<\/details>\n

\nQuanto costa davvero usare DeepSeek invece di ChatGPT?<\/summary>\n

Per un caso d’uso medio di PMI (5-10 mila richieste al mese di lunghezza media), DeepSeek API costa 8-20 euro al mese. ChatGPT Team con 5 licenze costa circa 150 euro al mese. La qualit\u00e0 \u00e8 comparabile per il 90% dei task quotidiani. Per task molto complessi GPT-5.5 ancora vince, ma di poco e a un costo 20-30 volte superiore.<\/p>\n<\/details>\n

\nCosa cambia tra DeepSeek su API ufficiale e DeepSeek su OVH?<\/summary>\n

Il modello \u00e8 identico \u2014 gli stessi pesi numerici. Cambia dove gira il calcolo: nel primo caso server in Cina, nel secondo a Gravelines, Francia. Cambia la giurisdizione (cinese vs francese\/europea), il GDPR (zero garanzie vs garantito), e la latenza (un po’ migliore via Europa per utenti italiani). Il prezzo \u00e8 simile.<\/p>\n<\/details>\n

\nPosso usare DeepSeek per fare consulenza legale o medica?<\/summary>\n

Per redigere bozze e strumenti di lavoro interno, s\u00ec \u2014 purch\u00e9 su hosting europeo (opzione 3) e con sempre revisione umana finale. Per dare consigli direttamente al cliente o al paziente, no: l’AI Act lo classifica come “alto rischio” e richiede documentazione + responsabilit\u00e0 professionale. Tradotto: l’AI scrive, tu firmi.<\/p>\n<\/details>\n

\nCos’\u00e8 MSA e perch\u00e9 tutti ne parlano?<\/summary>\n

\u00c8 un paper del marzo 2026 (Evermind, Shanda Group, Universit\u00e0 di Pechino) che descrive un’architettura per portare la finestra di contesto di un’AI da 1-2 milioni di token a 100 milioni. Significa AI capaci di “ricordare” interi anni di documentazione aziendale senza bisogno di RAG. Non \u00e8 ancora in prodotto sui modelli commerciali, ma probabilmente arriver\u00e0 entro fine 2026.<\/p>\n<\/details>\n

\nL’AI Act mi obbliga a fare qualcosa gi\u00e0 adesso?<\/summary>\n

Dipende dal caso d’uso. Per usi a basso rischio (descrizioni prodotto, riassunti, traduzioni interne) basta documentare cosa fai. Per usi ad alto rischio (HR, credito, sanit\u00e0, sicurezza, infrastrutture critiche) gli obblighi pieni scattano dal 2 agosto 2026 e sono significativi: documentazione tecnica, valutazione di conformit\u00e0, marcatura. Se sei in zona alto rischio, parti adesso a documentare.<\/p>\n<\/details>\n

\nConviene aspettare GPT-6 o usare DeepSeek adesso?<\/summary>\n

Adesso. Aspettare il modello successivo \u00e8 la versione AI di “aspetto il prossimo iPhone”: non finisce mai. DeepSeek V4 oggi fa il 90% di quello che ti serve a un costo trascurabile. Tra sei mesi cambierai modello in cinque minuti perch\u00e9 avrai costruito un’architettura switch-friendly (vedi punto 5 della checklist).<\/p>\n<\/details>\n